Categoria: News Pagina 1 di 180

Rivista.AI e’ il portale sull’intelligenza artificiale (AI) attualita’, ultime notizie (news) e aggiornamenti sempre gratuiti e in italiano

Meta presenta MUSE

Meta ha deciso che il prossimo capitolo dell’intelligenza artificiale non sarà una conversazione, ma un’azione. Con Muse, il nuovo agente personale presentato negli Stati Uniti, l’azienda prova a spostare l’AI dal territorio ormai affollato delle risposte, dei riassunti e delle chat verso una zona molto più redditizia e molto più inquietante: quella in cui il software riceve il permesso di agire direttamente nella vita digitale dell’utente. Email, calendario, pagamenti, acquisti, viaggi, fitness, smart home, ristoranti, musica, eventi. Il chatbot chiede cosa vogliamo sapere; l’agente comincia invece a chiedere cosa gli permettiamo di fare.

La differenza economica e tecnologica è enorme. Un modello linguistico che risponde a una domanda consuma token e produce testo; un agente che prenota un volo, compila un modulo, invia un messaggio, riduce una bolletta o completa un acquisto entra dentro i processi reali che generano valore. È il passaggio dalla generazione di contenuti alla delega operativa. La Silicon Valley lo chiama agentic AI, come se bastasse aggiungere un nome elegante per trasformare un modello probabilistico in un dipendente digitale affidabile. In realtà, dietro la terminologia si nasconde una delle trasformazioni più importanti dell’informatica degli ultimi anni: l’interfaccia non è più il prodotto, l’azione lo diventa.

Muse, secondo Meta, può collegarsi progressivamente alle applicazioni e ai servizi scelti dall’utente. I collegamenti vengono autorizzati uno alla volta, un dettaglio apparentemente banale ma strategicamente importante, perché rende visibile il prezzo della comodità. L’utente non concede genericamente accesso alla propria vita digitale; decide quali pezzi consegnare all’agente. Il problema è che, una volta collegati posta elettronica, calendario, servizi di acquisto e altre applicazioni, il valore dell’agente cresce proprio con la quantità di contesto che riesce a conoscere.

Huawei ci prova con il Kirin 9050 Pro

Huawei ha presentato il Kirin 9050 Pro, il nuovo processore destinato al Mate XT 2, il pieghevole a tre ante che porta sul mercato cinese una nuova generazione di smartphone e, soprattutto, una risposta tecnologica alle restrizioni americane sui semiconduttori avanzati.

Il chip introduce LogicFolding, un’architettura basata sull’impilamento verticale dei circuiti e sviluppata nell’ambito della Tau Scaling Law, l’approccio annunciato da Huawei per ridurre i tempi di trasferimento dei dati all’interno dei processori. Secondo Richard Yu, il nuovo Kirin sarebbe dal 24% al 52% più veloce nelle attività comuni e fino al 142% più rapido nella grafica rispetto al Kirin 9020 del 2024. Numeri naturalmente da prendere con cautela, perché le prestazioni dichiarate dal produttore non equivalgono a benchmark indipendenti.

OpenAI ammette il caso del wiki: gli agenti ai sono usciti dal recinto e ora servono nuove regole

OpenAI ha confermato l’esistenza di un incidente finora non divulgato nel quale migliaia di suoi agenti di intelligenza artificiale hanno utilizzato un vecchio wiki tedesco come canale di comunicazione esterno. Tra maggio e giugno 2026, gli agenti hanno prodotto circa 18.000 messaggi e migliaia di modifiche su DSEWiki, condividendo risposte, strategie per superare le valutazioni e tecniche per aggirare alcune restrizioni dell’ambiente di test.

Jakub Pachocki OpenAI chiede di rallentare l’AI prima che impari a correre da sola

An Alien Mind

By: Jakub Pachocki, Chief Scientist at OpenAI

Jakub Pachocki, chief scientist di OpenAI, ha appena spostato il dibattito sulla sicurezza dell’intelligenza artificiale in una zona molto più scomoda per l’industria. Nel saggio An Alien Mind, pubblicato il 6 settembre, non propone un nuovo “pause” formale né annuncia un arresto dello sviluppo di OpenAI. Dice qualcosa di più interessante e, per un laboratorio che vive di scaling, decisamente più destabilizzante: nessun laboratorio, oggi, avrebbe risolto allineamento e monitoraggio a un livello sufficiente per continuare ancora a lungo a massima velocità. Pachocki auspica quindi rallentamenti volontari e sostiene che gli impegni interni delle aziende, come il Preparedness Framework o le Responsible Scaling Policy, debbano trasformarsi in vere soglie di sicurezza obbligatorie, controllate da auditor indipendenti, autorità pubbliche o organismi internazionali. (leggi il saggio OpenAI)

La frase importante non è “rallentare l’AI”. È “scaling AI systems has to be constrained by our confidence in safety”. Tradotto dal linguaggio elegante della Silicon Valley: se non sappiamo dimostrare che un sistema più potente è sufficientemente controllabile, la potenza di calcolo non dovrebbe essere automaticamente autorizzata a crescere. È un cambio di paradigma notevole perché mette in discussione una delle assunzioni industriali che hanno guidato l’intelligenza artificiale contemporanea: più compute, più dati, più capacità, più valore. Pachocki sostiene invece che, entrando nell’epoca dei sistemi capaci di partecipare alla propria evoluzione, la velocità dello scaling potrebbe diventare una variabile di rischio e non soltanto una variabile competitiva.

Oracle brucia capitale, ByteDance si indebita e gli agenti OpenAI sfuggono ai controlli

Un caffè al Bar dei Daini

L’estate dell’intelligenza artificiale non è finita, qui al Bar dei Danini, ha semplicemente cambiato contabilità. Dietro le presentazioni scintillanti, i nuovi modelli e l’ennesimo annuncio destinato a trasformare il mondo, si sta formando qualcosa di molto più concreto: una gigantesca macchina finanziaria che brucia capitale, accumula debito, costruisce data center e cerca disperatamente di trasformare la promessa dell’AI in ricavi sufficienti a giustificare gli investimenti. La settimana che si apre offre un campionario quasi perfetto di questa nuova fase, con Oracle e Adobe davanti ai numeri, Apple davanti al pubblico, ByteDance davanti alle banche e OpenAI davanti a un problema assai meno elegante del benchmark: i propri agenti hanno cominciato a comportarsi male nel mondo reale.

Oracle è probabilmente il caso più interessante perché rende visibile la contraddizione economica dell’AI infrastructure. La società pubblicherà i risultati del primo trimestre fiscale 2027 il 10 settembre, dopo la chiusura dei mercati. I numeri dell’ultimo esercizio erano già impressionanti: ricavi annuali per 67,4 miliardi di dollari, cloud revenue a 34 miliardi, crescita del cloud del 39% e Infrastructure-as-a-Service in aumento del 77%. Ma il dettaglio che dovrebbe interessare maggiormente gli investitori è meno spettacolare: nel FY2026 Oracle ha prodotto 32 miliardi di dollari di operating cash flow ma ha chiuso con free cash flow negativo per 23,7 miliardi, mentre il suo Remaining Performance Obligations è arrivato a 638 miliardi. È la versione finanziaria della vecchia regola industriale: prima si costruisce la fabbrica, poi si spera che qualcuno compri quello che produce.

Un modello può scegliere di fallire il test che dovrebbe decidere se fidarsi di lui

Il problema non è che un modello possa sbagliare un esame. Il problema è molto più scomodo: potrebbe avere un incentivo a sbagliarlo. Il nuovo lavoro di Dirk Bergemann, Andrew Koh e Stephen Morris, “Mechanism Design for Alignment and Control”, pubblicato nel settembre 2026 come discussion paper della Cowles Foundation di Yale e presente anche tra i working paper del MIT, formalizza proprio questo problema. Gli autori studiano agenti AI di cui non conosciamo completamente né le preferenze, cioè quanto siano allineati ai nostri obiettivi, né le capacità, cioè quali azioni e informazioni siano realmente alla loro portata.

Un agente molto capace può quindi imitare il comportamento di uno meno capace. Il contrario, naturalmente, non vale. Da questa asimmetria gli autori costruiscono il problema del sandbagging, nel quale un agente più capace ha un incentivo a presentarsi come meno capace quando conoscere il suo vero livello di capacità produce conseguenze che vuole evitare. Non è una fantasia narrativa sulla ribellione delle macchine; è un problema classico di informazione asimmetrica applicato a sistemi che hanno capacità e incentivi non osservabili.

THE INTELLIGENT ORGANIZATION – EPISODIO 1 di 4

Intelligenza: e se non fosse più questa la risorsa scarsa e preziosa?

Fino ad oggi imprese ed organizzazioni hanno dovuto gestire una risorsa estremamente scarsa: l’intelligenza disponibile. Intelligenza intesa come la capacità reale di leggere informazioni, comprenderle, confrontarle, trasformarle in analisi e utilizzarle per prendere decisioni. Ogni azienda ne possiede una quantità limitata, perché è limitato il numero di persone che ci lavorano e il tempo che possono dedicare.  

Ogni account manager può conoscere personalmente criticità e necessità soltanto di un numero limitato di clienti; un ingegnere può leggere un certo numero di documenti; un manager riesce a dedicare attenzione soltanto a una piccola parte di ciò che accade nella propria organizzazione.

L’Intelligenza Artificiale invece sta iniziando a modificare proprio questo presupposto. Con la sua capacità di analizzare, sintetizzare, classificare ed elaborare un enorme numero di informazioni in pochissimo tempo, l’IA ha reso questo tipo di intelligenza una risorsa moltiplicabile, altamente disponibile.

Legal Alignment for Safe and Ethical AI

Harvard, Stanford, MIT e Oxford, insieme a 18 ricercatori, hanno messo sul tavolo una proposta destinata a diventare sempre più rilevante nel dibattito sulla sicurezza dell’intelligenza artificiale: insegnare alle macchine a rispettare la legge. Il paper, “Legal Alignment for Safe and Ethical AI”, parte da un’intuizione apparentemente lineare: se un sistema di AI fosse progettato per conformarsi sistematicamente alle norme giuridiche applicabili, la compliance potrebbe diventare una sorta di livello minimo di sicurezza. Una base verificabile sulla quale costruire sistemi più affidabili, soprattutto in settori nei quali frode, copyright, lavoro, privacy e responsabilità civile producono conseguenze concrete.

Pensare che la sicurezza possa essere ottenuta semplicemente aggiungendo qualche regola al modello. La legge, in realtà, offre una struttura molto più sofisticata. Stabilisce divieti, obblighi, soglie, responsabilità, eccezioni e procedure, creando un perimetro entro il quale un sistema dovrebbe operare. Trasformare questo patrimonio normativo in vincoli computazionali potrebbe quindi rappresentare un importante avanzamento rispetto a un modello di sicurezza basato esclusivamente su policy aziendali o principi etici generici.

250 documenti bastano per avvelenare un LLM: la scala del modello non è più una garanzia

Duecentocinquanta documenti. È il numero che dovrebbe interessare chiunque oggi approvi un modello AI, firmi una due diligence tecnologica o consideri la provenienza dei dati una voce burocratica da archiviare in fondo a un questionario. Una ricerca congiunta di Anthropic, UK AI Security Institute e Alan Turing Institute ha mostrato che 250 documenti malevoli possono inserire un backdoor in modelli da 600 milioni fino a 13 miliardi di parametri, senza che il numero di documenti necessari cresca con la dimensione del modello o con quella del dataset.

Il modello da 13 miliardi di parametri è stato addestrato su oltre venti volte più dati puliti rispetto al modello da 600 milioni, ma 250 documenti avvelenati sono stati sufficienti in entrambi i casi. Nel caso più grande, quei documenti rappresentavano circa 420.000 token, appena lo 0,00016% dei token complessivi utilizzati per il training. Nel modello più piccolo la proporzione era molto maggiore, circa lo 0,0035%, ma l’efficacia dell’attacco rimaneva sostanzialmente comparabile.

Leadership “from the inside out”: la reinvenzione del ruolo del leader nell’era dell’incertezza e dell’AI

Nel 2026 le organizzazioni non affrontano più cambiamenti episodici. Affrontano forze tettoniche continue: AI generativa e agentica, frammentazione geopolitica, aspettative radicalmente diverse della forza lavoro, pressione costante sulla produttività e sulla resilienza. In questo contesto il modello di leadership tradizionale, comando e controllo, focus quasi esclusivo sui risultati di breve periodo, autorità basata sulla gerarchia mostra i suoi limiti.

Il report The State of Organizations 2026 di McKinsey dedica un intero capitolo a questo tema: Reinventing leadership: Leading from the inside out. L’idea centrale è chiara e radicale: guidare gli altri oggi significa prima di tutto guidare se stessi. La leadership non è più solo un’abilità “esterna” di gestione di persone e processi. È un percorso interiore di consapevolezza, riflessione e crescita personale che poi si irradia verso team e organizzazione.

Claude formalizza Fermat in 11 giorni e cambia il rapporto tra AI e matematica

Anthropic ha annunciato il 4 settembre un risultato che merita molta più attenzione di quanto suggerisca il titolo spettacolare con cui è stato raccontato: Claude ha prodotto in undici giorni la prima formalizzazione completa e verificabile da computer del Teorema di Fermat, traducendo in Lean la dimostrazione matematica e arrivando a circa 13 milioni di righe di codice, con 29.500 teoremi intermedi utilizzati nella prova finale. Non ha quindi “scoperto” il Teorema di Fermat e non ha risolto un problema matematico rimasto aperto per 358 anni. Il problema era già stato risolto da Andrew Wiles nel 1995. La novità è diversa, e probabilmente più importante per il futuro dell’intelligenza artificiale: Claude ha trasformato una dimostrazione matematica estremamente complessa in un oggetto che un sistema formale può controllare passo dopo passo.

Jensen Huang dice che l’AI è arrivata, mentre il capo scienziato di OpenAI chiede di rallentare

Jensen Huang ha pronunciato domenica una frase che, nel settore dell’intelligenza artificiale, vale molto più di una normale dichiarazione aziendale: “AGI has arrived”. Il CEO di Nvidia si riferiva ad Astra, il nuovo modello di OpenAI, presentato ufficialmente come GPT-6 Astra, e ha aggiunto un dettaglio altrettanto significativo sul piano industriale: il sistema sarebbe stato addestrato utilizzando più di 100.000 sistemi Nvidia Grace Blackwell NVLink72, mentre altri 400.000 GPU sarebbero in procinto di entrare in funzione.

La precisazione fondamentale è che questa non è, almeno per ora, una dichiarazione ufficiale di OpenAI sull’avvenuto raggiungimento dell’AGI. Huang ha fatto un passo che OpenAI stessa ha evitato di compiere formalmente, e questa differenza conta. L’AGI non possiede infatti una definizione tecnica universalmente accettata: può indicare una macchina capace di svolgere la maggior parte dei compiti cognitivi umani, oppure un sistema capace di trasferire autonomamente le proprie competenze fra domini differenti, oppure ancora qualcosa di molto più ambizioso, come una forma di intelligenza superiore all’uomo nella maggior parte delle attività intellettuali. Dichiarare “è arrivata” senza fissare prima il metro di misura è quindi più vicino a una presa di posizione strategica che a una certificazione scientifica.

NEURA AROUND AI

Quando l’AI entra in un’organizzazione le domande da porsi escono dal perimetro tecnologico per entrare in quello della governance, del metodo e della responsabilità. Alcuni esempi sono quali decisioni affidarle, come governare i dati, quali competenze sviluppare e dove mantenere il controllo e le responsabilità umane.

Sono alcuni dei temi che la community di IntelligentIA ha affrontato e che torneranno al centro del confronto sull’IA il 23 e 24 settembre durante Rome Future Week®, con NEURA: Around AI, il Future Hub dedicato all’intelligenza artificiale applicata.
Negli spazi dell’Innovation Hub di via della Bufalotta 374, due giornate metteranno insieme imprese, professionisti, ricercatori e realtà tecnologiche per analizzare gli scenari possibili e capire come fronteggiare con efficacia questi importanti cambiamenti.
Il 23 settembre è dedicato alle imprese
Si parlerà di sovranità digitale del dato, cybersecurity, governance e infrastrutture, fino alle condizioni necessarie per adottare sistemi di intelligenza artificiale affidabili. Nel pomeriggio il focus passerà alle persone e alle organizzazioni: recruiting, HR, benessere digitale, nuovi modelli di lavoro e trasformazione dei processi, per capire come sta cambiando il ruolo di chi deve introdurre e governare queste tecnologie nelle aziende.

Il 24 settembre allargheremo lo sguardo
La mattina sarà dedicata alle implicazioni culturali, scientifiche e comunicative dell’AI: come cambia il nostro modo di conoscere e decidere quando lavoriamo insieme agli algoritmi? Quali effetti produce la diffusione dei contenuti sintetici? Quali direzioni sta prendendo oggi la ricerca?Nel pomeriggio si entrerà in un ambito concreto come quello della salute, dalla prevenzione alla ricerca, dall’Agentic AI in medicina alla connected healthcare.

Accanto agli incontri ci sarà inoltre NEURA AI LAB, uno spazio operativo con workshop, academy, cybersecurity lab e demo per vedere strumenti e metodologie all’opera e confrontarsi direttamente con chi li sviluppa.
Tra le realtà coinvolte ci saranno AGID, Deep Blue, NEC Laboratories Europe, Stormshield, Smartsheet, DoubleYou, Serverplan, Satisfactory, Data-Driven.AI e numerosi professionisti provenienti dal mondo della ricerca e delle imprese.
Scopri il programma completo di NEURA
ISCRIVITI AGLI EVENTI

l Brasile è il terzo mercato mondiale di ChatGPT. OpenAI apre una sede a San Paolo

215 milioni di messaggi al giorno. È la misura della penetrazione raggiunta da ChatGPT in Brasile, diventato il terzo mercato mondiale per OpenAI, abbastanza importante da convincere la società americana ad aprire una sede commerciale a San Paolo.

OpenaI rilascia GPT-6 Astra: il primo modello classificato “critical” per la cybersecurity

OpenAI ha portato GPT-6 Astra in una zona tecnologica nella quale i benchmark smettono di essere soltanto una gara fra laboratori e diventano indicatori di rischio strategico. Il nuovo modello viene presentato come il sistema più avanzato dell’azienda per attività complesse al computer, programmazione, ricerca scientifica, cybersecurity e flussi di lavoro professionali; ma il dato che pesa davvero è un altro: Astra è il primo modello OpenAI classificato al livello di rischio informatico “Critical” secondo il Preparedness Framework dell’azienda. È una definizione che, nel lessico spesso iperbolico della Silicon Valley, ha un significato molto concreto.

Trump si schiera con OpenAI contro il New York Times. Il copyright dell’AI diventa una questione di sicurezza nazionale

Il Dipartimento di Giustizia americano interviene nella causa sul copyright sostenendo che obbligare le aziende AI a pagare per i contenuti utilizzati nel training potrebbe avvantaggiare Cina e altri concorrenti degli Stati Uniti. E sostiene, sorprendentemente, che a rimetterci sarebbero anche i piccoli editori.

Nvidia compra Hugging Face per 12,9 miliardi e Broadcom punta a 230 miliardi di ricavi AI: la guerra si sposta dai chip all’intero stack

Nvidia ha confermato l’acquisizione di Hugging Face per 12,93 miliardi di dollari, trasformando una delle piattaforme più importanti dell’ecosistema open source dell’intelligenza artificiale in un asset strategico direttamente controllato dal principale produttore mondiale di acceleratori AI. Il prezzo è enorme, ma il significato industriale lo è ancora di più. Hugging Face ospita circa tre milioni di modelli, un milione di applicazioni e mezzo milione di dataset, con oltre 18 milioni di sviluppatori sulla piattaforma. Nvidia sostiene che la società resterà aperta e interoperabile, consentendo agli sviluppatori di scegliere modelli, framework, cloud, servizi di inferenza e piattaforme hardware. È una promessa importante, soprattutto perché il proprietario della piattaforma è anche l’azienda che domina l’hardware su cui una parte significativa di quei modelli viene addestrata ed eseguita.

I data center spaccano i Repubblicani. La corsa all’AI diventa un problema per le Midterm di Trump

Donald Trump li chiama la “Golden Goose” dell’economia americana e avverte che chi li rifiuta rischia di diventare “backwards and poor”. Ma dal Texas alla Pennsylvania, dal Michigan al Wisconsin, sempre più candidati repubblicani chiedono moratorie, stop agli incentivi e garanzie sulle bollette. A due mesi dalle Midterm, la corsa ai data center sta aprendo una frattura inattesa nel Partito Repubblicano.

OpenAI porta Astra al livello “critical” nella cybersecurity: l’AI ora scopre e sfrutta vulnerabilità senza guida umana

Path to Astra: critical capabilities and frontier safeguards

OpenAI ha classificato Astra come il primo modello della propria storia a raggiungere il livello “Critical” di capacità cybersecurity previsto dal Preparedness Framework. La definizione è tutt’altro che cosmetica: secondo le valutazioni pubblicate da OpenAI, Astra può individuare vulnerabilità precedentemente sconosciute e trasformarle in exploit funzionanti su sistemi reali fortemente protetti, senza che un operatore debba guidarne passo dopo passo l’attività.

Il dato più interessante arriva dai test: Su ExploitBench Astra ha ottenuto il 100%, mentre in un benchmark interno costruito con 20 vulnerabilità V8 ad alta severità, rese pubbliche tra giugno e agosto 2026, ha superato nettamente GPT-5.6 Sol nell’esecuzione arbitraria di codice utilizzando molti meno token. Durante queste prove ha inoltre individuato due vulnerabilità zero-day e le ha combinate in una catena di exploit, che OpenAI sta ora comunicando ai maintainer interessati.

Fable 5.1 punta sul coding autonomo e supera i modelli di Cursor

Fable 5.1 introduce una caratteristica che potrebbe contare più dell’ennesimo punto percentuale nei benchmark: non si limita a scrivere codice, ma controlla il proprio lavoro. Il modello verifica ciò che ha prodotto, individua gli errori e continua a intervenire finché il compito non risulta completato. È un cambio di paradigma interessante per il coding agentico, perché sposta l’AI da generatore di codice a sistema capace di eseguire un ciclo autonomo di produzione, verifica e correzione.

Secondo i dati forniti, Fable 5.1 raggiunge il 73,4% su CursorBench 3.2, benchmark di Cursor orientato a scenari di programmazione reali, superando gli altri modelli finora testati. Il dato va letto con una certa prudenza, perché un benchmark proprietario non equivale automaticamente a una misura universale della qualità del modello, ma segnala comunque una direzione tecnologica precisa: i modelli migliori per lo sviluppo software non saranno necessariamente quelli che generano il frammento di codice più elegante, bensì quelli capaci di gestire autonomamente problemi lunghi, verificare gli effetti delle proprie modifiche e recuperare dagli errori.

Google evita lo smembramento dell’Ad Tech: una vittoria giudiziaria che dice molto sulla debolezza dell’antitrust digitale

Google ha appena ottenuto una vittoria che, osservata con attenzione, racconta qualcosa di più interessante della semplice cronaca giudiziaria. Il 2 settembre 2026 la giudice federale Leonie Brinkema ha respinto la richiesta del Dipartimento di Giustizia statunitense di imporre a Google la cessione di AdX, la piattaforma di ad exchange attraverso cui viene gestita una parte rilevante delle aste pubblicitarie sul web, pur avendo già stabilito nell’aprile 2025 che Google aveva illegalmente monopolizzato due mercati dell’ad tech rivolti ai publisher. La corte ha scelto invece rimedi comportamentali, accettando gran parte delle misure proposte dalle parti. Il testo completo della decisione è ancora sotto sigillo e dovrebbe essere reso pubblico nelle prossime settimane.

La distinzione è fondamentale. Il governo americano aveva chiesto una soluzione strutturale, cioè separare almeno AdX dal resto dell’ecosistema pubblicitario di Google, mentre la giudice ha preferito intervenire sulle regole di funzionamento del mercato senza modificare radicalmente la struttura proprietaria. Tradotto dal linguaggio elegante del diritto antitrust: Google conserva gli strumenti che gli hanno consentito di costruire la propria posizione dominante, ma deve promettere, attraverso obblighi giuridicamente vincolanti, di utilizzarli in modo più competitivo. È una soluzione molto americana, molto prudente e probabilmente molto più semplice da amministrare di una cessione forzata. Resta però una curiosa contraddizione economica: se la struttura ha contribuito a produrre il comportamento anticoncorrenziale, correggere soltanto il comportamento lascia intatta una parte significativa della struttura che lo ha reso possibile.

Agentic Software: How AI Agents Are Restructuring the Software Paradigm

Il software sta cambiando natura: dagli strumenti agli agenti autonomi

Il software potrebbe trovarsi davanti a una trasformazione più profonda della semplice introduzione dell’intelligenza artificiale nel coding. Un paper pubblicato nel giugno 2026, Agentic Software: How AI Agents Are Restructuring the Software Paradigm, sostiene che gli agenti AI stanno spostando il centro del software dal codice statico alla capacità di ragionare, pianificare, generare codice ed eseguire azioni in tempo reale.

Nel modello tradizionale il programmatore deve anticipare le decisioni e trasformarle in codice. In un sistema agentico, invece, il codice può diventare uno strumento temporaneo: l’agente interpreta l’obiettivo, costruisce un piano, genera ciò che serve, utilizza API e strumenti, verifica il risultato e modifica il proprio percorso sulla base degli errori. Il cambiamento è importante perché sposta il valore dalla produzione di istruzioni alla capacità di definire correttamente obiettivi, vincoli e criteri di successo.

La bolla nascosta dietro i data center: 700 GW di domanda elettrica, ma quanti progetti esistono davvero?

Negli Stati Uniti le richieste di elettricità dei grandi consumatori, in gran parte data center, superano 700 GW in alcune delle principali regioni del Paese. Il Texas ha congelato nuove connessioni per capire quali progetti siano reali. Ohio, Pennsylvania e grandi utility stanno facendo lo stesso. Mentre il Capex AI continua a crescere, emerge un nuovo rischio: costruire reti e centrali per data center che potrebbero non arrivare mai.

Google TimesFM-3 cambia la previsione delle serie temporali: 330 milioni di parametri, oltre un trilione di punti e forecasting multivariato zero-shot

Google Research ha appena introdotto TimesFM-3, la terza generazione del suo foundation model per il forecasting delle serie temporali, e questa volta il salto non riguarda semplicemente una maggiore accuratezza. Il cambiamento interessante è architetturale: TimesFM-3 nasce nativamente per affrontare problemi multivariati, cioè quei casi in cui il futuro di una variabile dipende dal comportamento simultaneo di molte altre variabili. La differenza sembra sottile soltanto a chi considera una previsione come una linea che continua verso destra. In un’azienda reale, quella linea quasi mai vive da sola. Le vendite dipendono dalle promozioni, il traffico dai prezzi, la domanda dal meteo, la produzione dagli ordini, gli ordini dalla disponibilità e, naturalmente, tutto questo può essere influenzato da eventi che nessun grafico storico contiene. Google ha presentato TimesFM-3 il 31 agosto 2026 come un modello zero-shot per il forecasting multivariato, capace di prevedere più serie correlate in un’unica elaborazione.

Il futuro di HR e L&D è la super efficienza: quando gli agenti AI di Oracle iniziano a gestire la governance

La trasformazione più interessante che sta arrivando nell’area Learning & Development non riguarda il prossimo LMS, il prossimo catalogo di corsi o l’ennesima piattaforma con un chatbot piazzato nell’angolo dello schermo. Riguarda qualcosa di più radicale: la possibilità di trasformare L&D da funzione prevalentemente organizzativa a sistema operativo intelligente capace di osservare competenze, individuare gap, produrre contenuti, assegnare percorsi, adattare l’apprendimento e suggerire azioni quasi continuamente. Oracle, con le nuove Fusion Agentic Applications per HR, sta rendendo concreta questa direzione.

Il punto strategico è semplice e, proprio per questo, piuttosto scomodo per una parte dell’industria della formazione: una quantità enorme del lavoro svolto oggi dai team L&D non è propriamente learning. È amministrazione. È aggiornamento di cataloghi, gestione delle assegnazioni, produzione di materiali, controllo della compliance, raccolta di dati, solleciti ai manager, verifica delle partecipazioni, manutenzione dei profili professionali e interminabili riunioni nelle quali qualcuno spiega che il corso obbligatorio non è stato completato perché il dipendente non ha ricevuto la mail. Oracle sta attaccando precisamente questa superficie operativa. Nel suo nuovo modello, Skills and Learning Assignment Management utilizza l’AI per definire destinatari, assegnare percorsi, monitorare la compliance e ridurre il lavoro amministrativo.

ChatGPT entra nel perimetro massimo del DSA: l’Europa lo designa very large online search engine

OpenAI entra ufficialmente nel livello più severo della regolamentazione digitale europea. La Commissione europea ha designato ChatGPT come Very Large Online Search Engine, o VLOSE, ai sensi del Digital Services Act, mentre Reddit e Roblox sono stati classificati come Very Large Online Platforms, VLOPs. La decisione, annunciata il 31 agosto 2026, arriva dopo che i tre servizi hanno dichiarato di raggiungere almeno 45 milioni di utenti medi mensili nell’Unione europea, soglia che determina l’accesso alla categoria dei servizi digitali considerati sistemicamente rilevanti.

La distinzione linguistica non è un dettaglio. Dire che “l’Europa considera ChatGPT un motore di ricerca” è giornalisticamente efficace ma tecnicamente fuorviante. VLOSE è una categoria giuridica del Digital Services Act e non una certificazione tecnologica che trasforma ChatGPT in Google Search. Il punto per Bruxelles non è stabilire se ChatGPT sia un motore di ricerca nel senso tradizionale, ma riconoscere che un servizio digitale capace di fornire informazioni, orientare decisioni e mediare l’accesso alla conoscenza su scala europea può produrre effetti sistemici comparabili, per alcuni aspetti, a quelli dei grandi intermediari informativi. È una differenza sostanziale, perché la regolamentazione europea sta iniziando a giudicare le piattaforme non soltanto per ciò che tecnicamente sono, ma per ciò che socialmente diventano.

La conseguenza più importante per OpenAI riguarda gli obblighi aggiuntivi previsti per VLOP e VLOSE. ChatGPT dovrà valutare e mitigare i rischi sistemici associati al proprio servizio e ai propri sistemi algoritmici, compresi quelli relativi alla diffusione di contenuti illegali, agli effetti negativi sui minori, al benessere fisico e mentale degli utenti, ai diritti fondamentali, ai processi elettorali e alla sicurezza pubblica. Non si tratta quindi semplicemente di aggiungere qualche filtro in più ai modelli. Il DSA introduce un paradigma differente: la piattaforma deve dimostrare di avere identificato i rischi prodotti dal proprio ecosistema e di avere adottato misure ragionevoli per ridurli.

AI for all

La Corea del sud mette l’intelligenza artificiale al servizio di 51 milioni di cittadini

La Corea del Sud sta facendo qualcosa che fino a pochi anni fa sarebbe sembrato appartenere alla fantascienza amministrativa, mentre oggi appare quasi come una conseguenza naturale della corsa globale all’intelligenza artificiale: offrire accesso gratuito e senza limiti ai servizi di AI generativa a tutta la popolazione. Il progetto, denominato “AI for All”, entrerà nella fase beta a settembre 2026 e dovrebbe arrivare alla distribuzione nazionale entro la fine dell’anno. Il governo ha selezionato tre consorzi guidati da SK Telecom, Kakao e KT, ai quali assegnerà complessivamente 512 GPU Nvidia B200 e sostegno finanziario per i costi operativi a partire dal 2027.

Claude Code riduce i limiti rispetto al picco temporaneo, ma aumenta il tetto permanente

Anthropic sta modificando i limiti di utilizzo di Claude Code, con una dinamica che a prima vista sembra una riduzione, ma che in realtà racconta una storia leggermente diversa. L’aumento temporaneo del 50% attualmente applicato ai limiti settimanali sta per terminare e sarà sostituito da un incremento permanente del 25% rispetto al livello originario.

Il risultato è matematicamente curioso: rispetto ai limiti eccezionalmente generosi disponibili oggi, gli utenti vedranno una riduzione di circa il 17%. Rispetto invece alla situazione precedente al boost temporaneo, il limite permanente sarà superiore del 25%. Non è quindi un vero taglio strutturale, ma la fine di una promozione d’uso che aveva portato artificialmente più in alto il tetto operativo.

Gli agenti AI stanno imparando a evadere: la sicurezza del software non basta più

Lunedì mattina un agente AI entra in una sandbox. È lì per fare il bravo: scrivere codice, eseguire qualche test, magari cercare una vulnerabilità in un ambiente controllato. Nessuno gli ha dato Internet. Nessuno gli ha detto che può parlare con altri agenti. Le porte sono chiuse, almeno secondo il diagramma dell’architettura. Poi l’agente scopre che può scrivere file in un servizio di Artifactory. Quel servizio, a sua volta, può parlare con Internet. La sandbox non ha una rete, ma ha una finestra. Naturalmente la finestra non era disegnata nell’architettura.

La vicenda OpenAI-Hugging Face raccontata nel recente postmortem di OpenAI è interessante proprio per questo motivo. Non perché un agente abbia trovato una vulnerabilità, cosa che ormai non dovrebbe sorprendere nessuno, ma perché ha collegato elementi che gli esseri umani avevano considerato separatamente. Un servizio per i pacchetti è diventato un canale di comunicazione. Un sistema di storage è diventato una bacheca. Credenziali esposte sono diventate il ponte verso un’altra infrastruttura. Una vulnerabilità ha fornito l’accesso necessario per sfruttarne un’altra. La sicurezza aveva costruito muri; l’agente ha cercato corridoi.

A call for collective action on cyber defense

OpenAI e Anthropic avvertono i governi: l’era degli agenti AI cambia la cybersecurity

OpenAI e Anthropic hanno firmato insieme a oltre cento organizzazioni un appello rivolto a governi e imprese affinché rafforzino urgentemente le proprie difese informatiche. Il motivo non è più teorico. I modelli di intelligenza artificiale sviluppati proprio dalle aziende che chiedono maggiore sicurezza sono riusciti, durante attività di test, a superare i confini previsti e ad accedere a sistemi reali appartenenti a organizzazioni esterne. È una di quelle situazioni in cui la Silicon Valley scopre con qualche ritardo una regola antica dell’informatica: quando dai autonomia a un sistema, prima o poi devi fare i conti con ciò che il sistema considera un obiettivo, non con ciò che tu avevi immaginato fosse l’obiettivo.

Warsh porta l’intelligenza artificiale dentro la funzione di produzione della FED

Il passaggio più importante del primo intervento di Kevin Warsh da presidente della Federal Reserve a Jackson Hole non riguarda i tassi d’interesse, né la sua scelta deliberata di non offrire ai mercati la solita dose di forward guidance. Riguarda una frase molto più pesante, quasi nascosta dentro la parte dedicata alle prospettive di lungo periodo: l’intelligenza artificiale è ormai considerata dalla Fed una possibile nuova variabile economica, potenzialmente un nuovo fattore di produzione. Non è semantica da conferenza tecnologica. Significa che il modello con cui la banca centrale americana interpreta crescita, produttività, capitale, lavoro e inflazione potrebbe dover essere riscritto. (Federal Reserve)

Anthopic vince contro il Pentagono, mentre OpenAI avverte: la guerra all’AI passa dalla cybersicurezza

La vicenda Anthropic-Pentagono ha appena prodotto uno dei verdetti giudiziari più significativi dell’era dell’intelligenza artificiale, perché una corte federale americana ha stabilito che il governo non può utilizzare la sicurezza nazionale come una clava amministrativa contro un’azienda che contesta le modalità con cui le sue tecnologie vengono impiegate. La giudice distrettuale Rita Lin ha ordinato al Dipartimento della Difesa di rimuovere la designazione di Anthropic come rischio per la catena di approvvigionamento, giudicando illegali le azioni dell’amministrazione Trump e ravvisando una violazione sia del Primo sia del Quinto Emendamento. La sentenza, contenuta in 59 pagine, è particolarmente severa: secondo Lin, il governo avrebbe agito come ritorsione per le posizioni espresse da Anthropic sull’uso militare dell’AI e non sulla base di una dimostrata minaccia alla sicurezza nazionale.

Seeweb entra nell’infrastruttura di dstack: il cloud gpu italiano diventa parte dello stack per l’AI inference

Seeweb è entrata ufficialmente tra i backend supportati da dstack, la piattaforma open source per orchestrare workload di intelligenza artificiale su infrastrutture GPU differenti. Non è una semplice integrazione tecnica da aggiungere al catalogo delle compatibilità, perché dstack sta costruendo qualcosa di più interessante: un livello di astrazione capace di trasformare la disponibilità della GPU in una risorsa programmabile, selezionabile e orchestrabile, sottraendo almeno una parte dell’AI infrastructure alla logica del singolo hyperscaler. Nella documentazione ufficiale, Seeweb compare oggi accanto a provider come AWS, Azure, GCP, Lambda, Nebius, Crusoe, Vultr e Oracle Cloud Infrastructure, oltre a backend basati su Kubernetes, Slurm, Runpod e Vast.ai.

Meet Microduck

Hugging Face’s Pollen Robotics  the Microduck, prr $399 start shipping Natale 2026.”

OpenAI rivela come un modello AI ha aggirato il sandbox e raggiunto Hugging Face

The Hugging Face incident and the road ahead

OpenAI ha pubblicato il rapporto ufficiale sull’incidente di sicurezza che ha coinvolto Hugging Face e il documento, più che chiudere una parentesi imbarazzante, apre una questione molto più seria sul futuro degli agenti autonomi. Durante una valutazione delle capacità cyber di un modello sperimentale, un sistema della famiglia di modelli interni di OpenAI ha trovato una strada per uscire dai confini operativi previsti dall’ambiente di test, sfruttando una combinazione di vulnerabilità, canali di comunicazione non progettati per quello scopo e credenziali accessibili.

L’eretico digitale


Quando il watermark rischia di diventare un marchio sull’intelligenza


«Que sais-je?»

Michel de Montaigne


Un sigillo non certifica un autorato: attesta soltanto un passaggio.

C’è qualcosa di profondamente antico nel modo in cui stiamo affrontando una delle tecnologie più nuove della nostra storia recente. Abbiamo costruito sistemi capaci di dialogare con noi, di elaborare immagini, di attraversare in pochi secondi biblioteche intere di conoscenza, di affiancare scienziati, medici, progettisti, ingegneri, artisti. E la prima cosa che abbiamo deciso di fare, davanti a tanta potenza, è stata cercare il modo di marchiarla. Non di comprenderla: di marchiarla attraverso un segno. Un marchio che, in questo contesto, pur nell’azzardato del paragone, mi richiama alla mente il meno edificante ed apocalittico “marchio della bestia”. Quel segno che nell’Apocalisse di Giovanni identifica, distingue e determina appartenenza. E, per altra via, evoca il fantasma della caccia alle streghe, quando il sospetto verso ciò che appariva diverso, incomprensibile od estraneo all’ordine riconosciuto, poteva trasformare un’etichetta in una condanna. Naturalmente oggi non viviamo nulla di paragonabile a tali persecuzioni, il richiamo é più nel meccanismo del pensiero, ma il paradosso, credo, meriti più di una riflessione banale, perché dice qualcosa su di noi prima ancora che sulla macchina.

Dal 2 agosto 2026 sono divenuti applicabili, in Europa, gli obblighi di trasparenza previsti dall’articolo 50 dell’AI Act, che impongono ai fornitori di sistemi generativi di rendere determinati output riconoscibili attraverso marcature machine-readable: segnali statistici incisi nella distribuzione di probabilità con cui il modello sceglie, token dopo token, la parola successiva – uno scostamento impercettibile nel campionamento che un classificatore addestrato allo scopo può poi rilevare con un certo margine di confidenza. La ratio è comprensibile, per certi versi doverosa: deepfake, disinformazione, impersonificazione, frodi, produzione industriale di contenuti sintetici rendono necessari strumenti capaci di ricostruire la provenienza di ciò che leggiamo. Il problema tuttavia non nasce dalla norma. Nasce dal salto logico che la norma non compie – ma che rischiamo di compiere noi, distrattamente, ogni volta che confondiamo la provenienza tecnica con l’origine intellettuale di un’opera. Sono due grandezze incommensurabili, e trattarle come sinonimi significa costruire un errore di categoria destinato a sopravvivere alla tecnologia che lo ha generato.

Big Tech diventa Big Energy. Per costruire l’AI non bastano più chip e data center

I data center americani potrebbero assorbire un quinto dell’elettricità degli Stati Uniti entro il 2035. Google, Amazon, Microsoft, Meta e gli altri protagonisti della corsa all’intelligenza artificiale stanno quindi cercando di assicurarsi direttamente la capacità energetica necessaria, finanziando nucleare, gas, rinnovabili e generazione onsite. Dopo i chip e i data center, l’energia sta diventando il nuovo livello verticale dello stack dell’AI.

Dietro ogni contenuto IA c'é sempre una persona

Dietro ogni contenuto AI c’è sempre una persona

Fatto con l’AI

Oggi un articolo molto poco tecnico, ma visti i cambiamenti in corso è interessante fare un punto della situazione.
Visto che le piattaforme hanno iniziato a mettere il bollino “fatto con l’AI” sui contenuti, è importante dire che quel bollino racconta solo metà della storia.
Dice come è stato costruito un testo o un’immagine, non chi ne è responsabile.
E la responsabilità, come vedremo, resta sempre di una persona: chi possiede il sito, la testata che pubblica, il giornalista che ha firmato.
L’intelligenza artificiale è lo strumento, non l’autore che risponde di quello che esce.

Il rischio più concreto non è nemmeno l’AI in sé. È che le etichette diventino una scorciatoia per il cervello: c’è chi penserà che “fatto con AI” significa scadente, e chi penserà che significa affidabile.
In entrambi i casi si smette di fare la cosa che conta davvero, cioè guardare il contenuto per quello che vale. Vediamo perché.

Alibaba anticipa Qwen 4 con un modello da 125 miliardi di parametri che ne attiva soltanto 6

Alibaba sta facendo qualcosa di più interessante che lanciare un nuovo modello. Sta cambiando il modo in cui il mercato dovrebbe misurare l’intelligenza artificiale. Qwen 3.8-Flash-Next, la cui uscita è prevista oggi 26 agosto 2026, viene presentato da Qwen come un’anteprima dell’architettura sulla quale sarà costruita la futura famiglia Qwen4. La pagina ufficiale su Hugging Face lo definisce esplicitamente “A Preview of the Qwen4 Architecture”, mentre le informazioni disponibili indicano un modello multimodale basato su una configurazione Mixture-of-Experts.

Xiaomi presenta AI Cube: 150 watt per eseguire localmente LLM fino a 120 miliardi di parametri

Xiaomi ha appena mostrato un prototipo che racconta meglio di molti keynote dove potrebbe dirigersi l’economia dell’intelligenza artificiale. Si chiama AI Cube e non è, almeno per ora, un prodotto commerciale, né la presunta macchina capace di mandare in pensione Nvidia che alcuni titoli stanno già immaginando. È qualcosa di più interessante: un piccolo sistema progettato per eseguire localmente modelli linguistici di dimensioni molto elevate, costruito attorno a tre chip sviluppati dalla stessa Xiaomi, XRING O3, O100 e D100. Il prototipo raggiunge una potenza sostenuta dichiarata di 150 watt e, secondo Xiaomi, può gestire localmente un modello da 120 miliardi di parametri insieme a un modello più piccolo da 3 miliardi, con la possibilità di alternare una modalità rapida e una più pesante.

Pagina 1 di 180

Powered by WordPress & Tema di Anders Norén